- Models: ShuffleNetV2, MobileNetV3, MNASNet, EfficientNetV2
- Number of Parameters (based on 33 classes):
| ShuffleNetV2 | MobileNetV3 | MNASNet | EfficientNetV2 |
|---|---|---|---|
| 375,617 | 1,551,681 | 5,043,529 | 20,219,761 |
The Pipeline of our Process with simple CNN architecture
Features
- To avoid image distortion, we apply padding and resize processing.
- To maximize performance of model on mobile devices, we trained various models such as Efficient, MobileNetV3, ShuffleNetV2 and MNASNet and compare their accuracy and inference speed.
- To address the issue of insufficient data, we utilize image generation models such as Diffusion and DALL-E to increase the number of samples.
Sample images
- Coca Cola
- Sprite Zero
Classes
| 2% (0) | 박카스 (1) | 칠성 사이다 (2) | 칠성 사이다 제로 (3) | 초코 우유 (4) | 코카 콜라 (5) |
|---|---|---|---|---|---|
| 데미소다 사과 (6) | 데미소다 복숭아 (7) | 솔의눈 (8) | 환타 오렌지 (9) | 게토레이 (10) | 제티 (11) |
| 맥콜 (12) | 우유 (13) | 밀키스 (14) | 밀키스 제로 (15) | 마운틴듀 (16) | 펩시 (17) |
| 펩시 제로 (18) | 포카리 스웨트 (19) | 파워에이드 (20) | 레드불 (21) | 식혜 (22) | 스프라이트 (23) |
| 스프라이트 제로 (24) | 딸기 우유 (25) | 비타 500 (26) | 브이톡 블루레몬 (27) | 브이톡 복숭아 (28) | 웰치스 포도 (29) |
| 웰치스 오렌지 (30) | 웰치스 화이트그레이프 (31) | 제로 콜라 (32) | - | - | - |
Directory Guide
path : dataset/
├── images
│ ├─ class 1
│ ├─ img1.jpg
│ ├─ ...
│ ├─ class 2
│ ├─ img1.jpg
│ ├─ ...
│ ├─ class 3
│ ├─ img1.jpg
│ ├─ ...
│ ├─ ...
│ ├─ ...
│ ├─ ...
conda create -n blindover python==3.8
conda activate blindover
cd ./blindover_AI
pip install -r requirements.txt
python3 train.py --data_path '{dataset directory}' --name 'exp' --model '{the one of 4 models}' --pretrained --img_size 224 --num_workers 8 --batch_size 32 --epochs 100 --optimizer 'momentum' --lr_scheduling --check_point
- Testing model to evaluate the performance in test set
python3 test.py --data_path '{dataset directory}' --model '{the one of 4 models}' --weight './runs/exp/weights/best.pt' --img_size 224 --num_workers 8 --batch_size 32 --num_classes 100
- 데이터셋 수집에 도움 주신 분들: 이마트24 용인 명지대점, 하나로마트 오산농협본점